BOC信号跟踪技术的研究

BOC调制是通过将扩频码与一个频率为扩频码速率的整数倍的方波副载波相乘得到。由于其自相关函数的多峰性,将增加这种信号的捕获难度和误跟踪的可能性。文中通过讨论BOC（1,1）信号,详述了BOC（1,1）信号的跟踪模糊问题,找出了一种适合其本身的码跟踪技术,并给出一种改进的适用于新的相关函数的鉴相器算法。这种算法消除了边峰带来的误跟踪威胁。最后通过仿真验证了所述算法的正确性和有效性。     

改进的基于极大似然估计的码环鉴别器设计

传统的接收机码环环路中,对伪码相位的估计受到非相干附带的均值非零噪声的影响,而且具有延时误差和延迟效应.针对这样的问题,为了提高接收机码相位估计精度,文中基于极大似然估计法,提出了一种改进的基于极大似然估计的码鉴相器跟踪环路算法.仿真实验表明,伪码估计误差降低了0.15个码片左右,码相位估计精度得到了提升,且在一定程度上提高了环路的稳定性.     

OFDM/OQAM散射系统格状成形峰均比抑制方法

针对交错正交幅度调制的正交频分复用(OFDM/OQAM)散射系统峰均比(PAPR)过高的问题,提出了一种基于格状成形(TS)的峰均比抑制方法。该方法通过在OQAM调制方式中引入星座冗余来实现信号PAPR的无失真降低,并设计了适用于OFDM/OQAM系统的Viterbi算法的分支度量。仿真结果表明,与传统的峰均比抑制算法相比,格状成形方法具有更好的降低OFDM/OQAM系统PAPR的能力,但由于符号传输的不确定性,系统的误码率(BER)性能有一定程度的下降。     

二进制偏置载波信号伪码周期联合估计方法

二进制偏置载波（BOC）信号具有抗干扰性和抗截获性,其伪码周期精确估计可为后续信号处理提供重要依据。通过分析BOC信号自相关函数的特性,提出一种新的BOC信号伪码周期估计方法。该方法在传统二次谱估计方法的基础上增加正交分路来消除噪声和载波分量的影响,得到基带调制序列的自相关函数;对离散谱线进行统计分析,在未知信号参数条件下对BOC信号进行精确的伪码周期估计。仿真结果表明：基于正交分路的二次谱估计方法可在低信噪比情况下精确地估计BOC信号伪码周期;相比于传统二次谱估计方法,新估计方法可提高3 dB的信噪比容限。     

一种TDDM扩频方式下BOC调制信号的同步方法

关于时分数据调制(TDDM)扩频方式下二进制偏移载波(BOC)调制信号(简称T-B信号)的同步接收问题,目前还没有较好的解决方案。针对传统同步方法在TDDM方式下成功概率低,无法满足TDDM扩频方式接收要求的问题,提出了一种T-B信号同步方法。根据T-B信号的特点,采用粗同步、精同步的方法对T-B信号进行处理实现信号的直捕和跟踪。仿真结果表明,此方法解决了T-B信号的直捕及跟踪问题,且输出导航电文的正确率大于98%.     

基于双序列的联合跳频通信模式

针对传统跳频通信抗跟踪干扰能力差的缺点,提出了双序列联合跳频的通信模式,该模式以跳频序列作为信道描述符,而不需要进行信号的调制,同时让数据信道和对偶信道各自独立的依靠不同的序列进行跳频,这样大大减少了跟踪干扰能够干扰到对偶信道的可能性,削弱了跟踪干扰的性能。仿真验证结果表明,双序列联合跳频有着较好的抗跟踪干扰性能,在误码率为10~(-6)时,双序列联合跳频通信比传统跳频通信的信干比低约2 dB。     

固定观测站对运动辐射源定位的IEKF算法及仿真

基于到达方位角(DOA)和到达时间差(DTOA)等观测信息,实现了单个固定观测站对运动辐射源无源定位和跟踪。为克服扩展卡尔曼滤波(EKF)算法线性化过程对预测误差放大,导致定位结果发散或不稳定的缺陷,引出了迭代扩展卡尔曼滤波(IEKF)算法。在获得某个预测值后,通过多次更新状态估计,使之逐渐拟合当前观测量,以提高目标状态估计的精度。仿真结果表明,在一定的观测误差条件下,IEKF算法比EKF算的定位跟踪收敛速度更快、精度更高。     

基于纯方位角测量的水下目标被动跟踪技术

水下目标的被动跟踪技术在军事上具有重要的应用价值,为了解决基于纯方位角测量的水下目标被动跟踪技术在实际应用中的问题,研究了几种适合于单、双观测站的水下目标被动跟踪算法.分别对伪线性估计算法、扩展卡尔曼滤波算法、无迹卡尔曼滤波算法在不同参数情况下的性能进行了详细的仿真与分析.仿真结果表明,静止单观测站虽不能获得目标的完全观测,但是在具有一定先验信息的情况下,伪线性估计算法也可以实现对目标轨迹的估计;双观测站可以获得对目标的完全观测,并且在观测方程严重非线性的情况下,无迹卡尔曼滤波方法的性能要优于扩展卡尔曼滤波方法.仿真结果对工程应用具有重要的参考价值.     

基于改进SIRF的二维纯方位目标跟踪

对于纯方位目标跟踪问题,传统的线性算法已经不能满足非线性非高斯和实时性目标跟踪的要求,由于在纯方位目标跟踪中传统的粒子滤波收敛速度慢并且容易发散,文中提出了一种基于改进的采样-重要性-重采样滤波(SIRF)算法的纯方位跟踪算法。具体的改进方法就是去掉归一化步骤直接使用非归一化权值,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。最后通过实验验证改进的SIRF算法跟踪效果明显优于高斯粒子滤波(GPF)算法。     

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器（UKF）的系统偏差和目标状态的联合估计算法（ASUKF）.Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计.     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

基于混合卡尔曼滤波的磁偶极子目标跟踪

针对经典粒子滤波(PF)对磁偶极子跟踪高维模型估计时存在的"维数灾"问题,提出一种基于混合卡尔曼滤波(MKF)的方法进行求解。该方法通过导出磁偶极子跟踪的条件线性高斯模型,利用混合卡尔曼滤波算法,将状态变量分离为线性部分和非线性部分;利用卡尔曼滤波和粒子滤波进行耦合处理,克服了经典粒子滤波直接用于磁偶极子跟踪出现的精度不高和滤波发散问题。通过仿真实验将该方法与基于PF的磁偶极子目标跟踪方法进行了对比,结果表明算法精度较高,且性能稳定。     

北斗弱信号快收敛载波跟踪算法

针对传统载波跟踪环路对弱信号跟踪误差较大的问题,提出了线性卡尔曼滤波器载波跟踪算法,算法以载波相位差作为状态量,以鉴相器的输出作为观测量,将原增益矩阵与跟踪项相加作为线性卡尔曼滤波的增益矩阵.仿真实验结果表明,在信噪比为-30 dB时,快速收敛算法仍能保持对信号的跟踪,而传统算法已经失锁,相对于传统载波跟踪算法,快速收敛的卡尔曼载波跟踪算法能够有效提高跟踪的精度,并且收敛速度较快.     

极化敏感阵列的到达角和极化参数联合估计方法

在应用传统的空间谱(MUSIC)算法联合估计来波信号到达角(DOA)和极化参数的时候,需要进行四维谱峰搜索,计算量巨大。针对极化敏感阵列,采用降维MUSIC算法联合,可以估计信号的DOA和极化参数。利用极化矢量的范数为常数这一特点,采用Lagrange乘数法进行降维操作,转换为方位角和俯仰角的二维谱峰搜索,同时可估计出极化相角和极化幅角,大大降低了算法实现的运算量。仿真结果证明了算法的有效性。     

一种目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于扩展卡尔曼滤波器的目标状态与系统偏差的联合估计算法,并在此基础上探讨了三种系统偏差条件下状态估计的初始化方法。Monte-Carlo仿真表明,ASEKF算法能有效地对目标状态和系统偏差进行实时联合估计。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

基于边带最大化准则的频偏与定时联合盲估计方法

基于边带最大化准则,提出了一种频偏与定时联合盲估计方法。深入分析了频偏对边带定时算法的性能影响,将边带定时算法与基于迭代实现的共轭自相关频偏估计算法有机融合,实现了大频偏条件下频偏和定时的联合盲估计。理论分析和计算机仿真结果表明,该方法不需要信号调制方式、多径衰落信道等先验信息,且具有收敛速度快、计算复杂度小等特点。     

双基多输入多输出雷达准平稳目标空间定位算法

针对现有双基多输入多输出(MIMO)雷达目标定位算法不适用于准平稳目标的问题,提出了双基多输入多输出雷达准平稳目标空间定位算法。该算法利用目标的准平稳特性和旋转不变特性估计参数(ES-PRIT)方法来估计目标相对于发射阵列和接收阵列的二维角度,从而实现对准平稳目标的空间定位。仿真验证表明：该算法不需要多维谱峰搜索和参数配对,具有较小的运算量,并能对消空间阵列噪声,适用于更广泛的未知噪声背景和低信噪比环境。     

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理,提出了基于加权最小二乘估计(WLS)的双基地声呐定位优化算法,给出了算法的原理和误差分布.通过数值仿真,研究了系统参数对算法定位精度的影响,给出了不同条件下定位误差的几何分布.并将该算法与单纯基于声波到达时间算法的定位性能进行了比较.仿真结果表明,双基地WLS算法充分利用了双基地系统的冗余信息,具有较高的定位精度.该研究为多基地声呐水下目标的探测、定位和跟踪提供了理论依据.